ERP, CRM und KI: Welche Daten- und Schnittstellenfragen Unternehmen jetzt prüfen sollten

Wenn KI zur Investitionsfrage wird

Viele Unternehmen verfolgen die KI-Roadmaps großer Softwareanbieter derzeit sehr genau. SAP positioniert mit SAP Business AI, Joule, Joule Work, Joule Assistants und Joule Agents bereits KI-Angebote rund um Geschäftsprozesse; auch ERP- und CRM-Anbieter entwickeln ihre Systeme stärker in Richtung assistierter und agentenbasierter Prozessunterstützung. Für Geschäftsführungen und IT-Leitungen ist das keine abstrakte Technologiedebatte. Es geht um die wirtschaftliche Erwartung, dass Unternehmenssoftware künftig Prozesse beschleunigt, Informationen besser verfügbar macht und Entscheidungen verlässlicher vorbereitet.

Parallel bleibt für Entscheider eine wirtschaftliche Frage offen: Welche Investitionen in Datenqualität, Schnittstellen und Systemintegration sind heute sinnvoll, wenn konkrete Funktionen, Nutzbarkeit und Lizenzmodelle je nach Produktbereich unterschiedlich einzuordnen sind? In einem mittelständischen Unternehmen kann diese Frage sehr konkret aussehen: Das ERP führt Aufträge und Bestellungen, die Telefonie läuft getrennt, der Service arbeitet mit Tickets oder Excel-Rückruflisten, und das CRM enthält Kundenstammdaten, aber keine vollständige Kontakt- und Servicehistorie.

Genau hier beginnt die eigentliche Vorbereitung. KI kann nur mit Daten arbeiten, die vorhanden, zugänglich und im richtigen Prozesskontext nutzbar sind. Die Kernfrage lautet daher: Welche Daten-, System- und Schnittstellengrundlagen müssen Unternehmen schaffen, damit KI-Funktionen in SAP, ERP, CRM oder anderen Unternehmenssystemen im eigenen Prozesskontext praktisch nutzbar werden?

Management Summary

• KI kann sinnvoll unterstützen, wenn relevante Daten verlässlich, zugänglich und im richtigen Prozesskontext nutzbar sind.
• Unternehmen sollten nicht blind in KI investieren, aber heute klären, welche Datenquellen, führenden Systeme und Schnittstellen später gebraucht werden.
• Telefonie-, Service- und Kundendaten sind ein guter Startpunkt, weil dort täglich verwertbare Kundensignale entstehen.
• Die Vorbereitung lohnt sich auch ohne sofortiges KI-Projekt, wenn daraus bessere Auswertungen, klarere Prozesse und weniger manuelle Nacharbeit entstehen.

Was die SAP-KI-Debatte für Unternehmen bedeutet

SAP Business AI zeigt exemplarisch, wie sich große Unternehmenssoftware in Richtung KI-gestützter Prozessunterstützung bewegt. SAP beschreibt Joule als zentralen KI-Assistenten und positioniert Joule Work, Joule Assistants und Joule Agents als Bestandteile von SAP Business AI, die Arbeitsschritte in Geschäftsprozessen unterstützen können. Für Geschäftsführungen ist daran die Richtung entscheidend: Unternehmenssoftware soll näher an Geschäftsdaten, Prozesswissen und operative Entscheidungen rücken.

Kurz erklärt: SAP Joule
SAP Joule ist der KI-Assistent von SAP. Er soll Nutzer in SAP-Anwendungen unterstützen, Informationen aus Geschäftsdaten einordnen und Arbeitsschritte in Geschäftsprozessen erleichtern.

Für Unternehmen mit SAP berührt eine solche KI-gestützte Prozessunterstützung unmittelbar ERP-, Finanz-, Auftrags-, Material-, Kunden- und Servicedaten. Für Unternehmen mit anderen ERP-, CRM- oder Serviceplattformen ist die Managementfrage ähnlich: Welche Daten liegen verlässlich vor, wer pflegt sie, welches System ist führend und an welcher Stelle im Prozess werden sie gebraucht?

Für den praktischen Nutzen wird die organisatorische Einbettung entscheidend. Der ZEW Branchenreport Informationswirtschaft Q1/2026 zeigt, dass generative KI in Unternehmen bereits in einem gewissen Rahmen verfügbar ist oder offiziell erlaubt wird: In der Informationswirtschaft betrifft das 58 Prozent der Unternehmen, im Verarbeitenden Gewerbe 30 Prozent. Damit rückt die Frage näher an Prozesse, Berechtigungen und Datenzugang heran.

Diese Zahlen ersetzen keine Wirtschaftlichkeitsrechnung im eigenen Unternehmen. Sie erklären aber, warum Datenzugang, Systemrollen und Prozessklarheit zur Managementaufgabe werden. Ein KI-Assistent kann im Kundenservice, Vertrieb oder ERP-Umfeld nur dann helfen, wenn die relevanten Informationen nicht in E-Mail-Postfächern, Excel-Dateien, Telefonielisten und einzelnen Fachsystemen verstreut bleiben.

Warum KI keine fehlende Systemlogik ersetzt

Viele Unternehmen betrachten neue oder bereits verfügbare KI-Funktionen als späteren Ausgleich für eine heute unvollständige Datenlage. Das ist verständlich, weil KI-Werkzeuge sprachlich sehr leistungsfähig wirken und im Alltag schnell Ergebnisse liefern. In Unternehmensprozessen reicht diese sichtbare Leistungsfähigkeit aber nicht aus. Eine KI kann unklare Systemzuständigkeiten, fehlende Schnittstellen oder widersprüchliche Stammdaten nicht verlässlich überspringen.

Management-Hinweis: Datenqualität
Datenqualität heißt nicht, dass Informationen irgendwo gespeichert sind. Entscheidend ist, ob sie aktuell, eindeutig, vollständig, zugänglich und im richtigen Prozesskontext nutzbar sind. Eine Telefonnummer in einer Excel-Liste, ein Ticket ohne Kundenzuordnung oder eine Gesprächsnotiz im persönlichen Postfach helfen KI nur begrenzt.

Wenn ein Kunde anruft, kann der Kontakt im Telefoniesystem sichtbar sein. Die Kundenhistorie liegt möglicherweise im CRM. Der offene Vorgang wird im Ticketsystem bearbeitet. Vertrags- oder Bestelldaten stehen im ERP. Eine Zusage aus dem letzten Gespräch steckt in einer E-Mail oder in einer persönlichen Notiz. Für Mitarbeitende ist diese Verteilung schon heute aufwendig. Für eine spätere KI-Anwendung wird sie zum strukturellen Problem, wenn kein Systemkontext vorhanden ist.

Verteilte Datenquellen sind kein Randthema

In vielen Serviceorganisationen ist die Datenmenge selten der Engpass. Häufig entscheidet die Nutzbarkeit der vorhandenen Informationen. Telefonate, E-Mails, Tickets, CRM-Aktivitäten, ERP-Vorgänge und manuelle Notizen können zusammen ein belastbares Bild der Kundenbeziehung ergeben. Operativ werden diese Informationen jedoch häufig getrennt gepflegt und ausgewertet.

Damit fehlen genau die Zusammenhänge, die für KI-Anwendungen wichtig werden: Welche Anfrage gehört zu welchem Kunden? Welcher Kontakt hatte welches Ergebnis? Welcher Vorgang ist offen? Welche Zusage wurde gemacht? Welche Daten dürfen in welchem Prozess verwendet werden? Ohne diese Zuordnung bleibt KI ein Werkzeug mit begrenztem Kontext.

Diese Voraussetzung betrifft künftige KI-Agenten ebenso wie heutige Auswertungen. Wenn Telefonie, CRM und Serviceprozesse nicht zusammenspielen, bleibt die operative Sicht auf den Kunden unvollständig. Wer verstehen will, warum Telefonkontakte erst im Kundenkontext auswertbar werden, findet im bestehenden Beitrag zu Anrufdaten im CRM nutzen eine konkrete Einordnung.

Excel ist oft ein Symptom, nicht die Ursache

Excel ist in vielen Unternehmen ein pragmatisches Werkzeug. Kritisch wird es dort, wo Listen dauerhaft Aufgaben übernehmen, die in einem führenden System abgebildet werden müssten: Lead-Status, Kundenklassifizierung, Rückruflisten, Eskalationen, Servicevereinbarungen oder manuelle Auswertungen aus Telefonie und Tickets.

Solche Listen entstehen selten aus Nachlässigkeit. Meistens entstehen sie, weil das bestehende System den Prozess nicht sauber abbildet, weil Schnittstellen fehlen oder weil Fachbereiche schneller handeln müssen, als IT-Projekte liefern können. Für spätere KI-Nutzung ist das ein wichtiger Hinweis: Zuerst sollte geklärt werden, ob die Liste ein sinnvoller Zwischenschritt ist oder ob sie eine fehlende Datenstruktur verdeckt.

Welche Grundlagen Unternehmen vor der Nutzung einzelner KI-Funktionen klären sollten

Unternehmen müssen nicht jede KI-Funktion vorwegnehmen. Sinnvoller ist eine Vorbereitung, die unabhängig vom späteren Anbieter Nutzen stiftet. Dazu gehört vor allem eine belastbare Sicht auf Datenquellen, Systemrollen und Prozesse.

Ein pragmatischer Einstieg beginnt mit wenigen Managementfragen:

• Welche Kunden-, Service-, Telefonie- und Prozessdaten sind für Entscheidungen wirklich relevant?
• Welches System führt welche Information: CRM, ERP, Ticketsystem, Contact Center, Microsoft Teams oder eine Fachanwendung?
• Welche Daten entstehen heute täglich, werden aber nicht strukturiert abgelegt oder ausgewertet?
• Welche Schnittstellen fehlen, damit Informationen im richtigen Arbeitskontext sichtbar werden?
• Welche Use Cases hätten auch ohne KI einen messbaren Nutzen, etwa bessere Rückrufprozesse, vollständigere Kundenhistorien oder verlässlichere Serviceauswertungen?

Diese Fragen sind wirtschaftlich wichtig, weil sie die Investitionslogik verschieben. Unternehmen müssen nicht blind in KI investieren, solange Nutzen und Kosten unklar sind. Sie können aber Grundlagen schaffen, die schon vorher Wert erzeugen: klarere Prozesse, bessere Datenqualität, weniger manuelle Nacharbeit und belastbarere Auswertungen.

Damit die Prüfung handlungsfähig wird, sollte sie als Reihenfolge verstanden werden. Zuerst werden die relevanten Datenquellen bestimmt: ERP, CRM, Telefonie, Ticketsystem, Contact Center, E-Mail oder Fachanwendungen. Danach wird festgelegt, welches System welche Information führen soll. Erst dann lohnt sich die Auswahl eines ersten Use Cases, der auch ohne KI messbaren Nutzen erzeugt, etwa Rückrufe, Servicehistorien, Eskalationen oder Auswertungen wiederkehrender Anliegen. Auf dieser Basis lassen sich Schnittstellen gezielt vorbereiten, statt pauschal in technische Vorleistungen zu investieren.

Der Bitkom Cloud Report 2026 ist hier vor allem als Hinweis auf die strategische Rolle des Betriebsmodells relevant. Für KI-Projekte heißt das nüchtern: Unternehmen müssen klären, wo Daten verarbeitet werden, welche Systeme zugreifen dürfen und wie ein verlässlicher, nachvollziehbarer Datenfluss zwischen Anwendungen entsteht.

Im Kundenservice zeigt sich diese Verbindung besonders deutlich. Ein CRM kann Kundenstammdaten führen, Microsoft Teams kann die Kommunikation tragen, eine Contact-Center-Software kann Serviceprozesse strukturieren und ein Ticketsystem kann Vorgänge dokumentieren. Erst wenn diese Ebenen sinnvoll verbunden sind, entstehen integrierte Serviceprozesse statt einzelner Datenspuren.

Warum Telefonie- und Servicedaten ein guter Startpunkt sind

Telefonie- und Servicedaten eignen sich als Einstieg, weil dort täglich konkrete Kundensignale entstehen. Ein Anruf zeigt Bedarf, Dringlichkeit, Thema, Ergebnis und oft auch Folgeaufgaben. Trotzdem bleiben diese Informationen in vielen Unternehmen nach dem Gespräch nur teilweise erhalten: als Erinnerung einzelner Mitarbeitender, als kurze Notiz, als Rückrufbitte oder als Aktivität im CRM, wenn sie manuell gepflegt wird.

Beispiel: Telefonie- und Servicedaten
Ein Anruf enthält oft ein konkretes Kundensignal: Anlass, Dringlichkeit, Stimmung, Ergebnis und Folgeaufgabe. Wenn diese Information nicht mit CRM, ERP oder Ticketsystem verbunden wird, bleibt sie für spätere Auswertung und KI-Nutzung weitgehend unsichtbar.

Für den Einsatz von KI-Funktionen im Kundenservice ist genau dieser Bereich wertvoll. Eine KI, die Kundenanfragen zusammenfassen, nächste Schritte vorschlagen oder Servicewissen nutzbar machen soll, braucht den Gesprächskontext. Sie braucht aber auch eine klare Abgrenzung: Welche Information stammt aus dem Telefonat, welche aus dem CRM, welche aus dem ERP, welche aus dem Ticket und welche ist nur eine Annahme?

Deshalb ist die Integration von Kommunikation und Kundendaten kein reines IT-Thema. Sie entscheidet darüber, ob Serviceleitung, Vertrieb und Geschäftsführung sehen können, was im Kundenkontakt wirklich passiert. Wenn Microsoft Teams im Kundenservice genutzt wird, sollte daher früh geklärt werden, wie Kommunikation und Kundenkontext zusammenkommen. Der bestehende Artikel zu CRM und Microsoft Teams integrieren vertieft diesen Zusammenhang aus Sicht des Kundendienstes.

Welche Entscheidung Unternehmen jetzt treffen sollten

Die nächste sinnvolle Entscheidung ist selten die Frage, welche KI-Funktion sofort integriert werden soll. Für viele Unternehmen ist vorher relevanter, welche Daten- und Prozessgrundlagen sie unabhängig von einzelnen KI-Funktionen, Produktbereichen oder Lizenzentscheidungen brauchen. Dazu gehören führende Systeme, klare Datenverantwortung, Schnittstellen, Berechtigungen, ein sinnvolles Datenmodell und wenige priorisierte Use Cases.

Diese Vorbereitung muss nicht groß beginnen. Oft reicht ein erster, sauber begrenzter Bereich: Kundenservice, Vertrieb, Helpdesk oder Bestandskundenbetreuung. Dort lässt sich prüfen, welche Daten heute entstehen, welche Informationen fehlen und welche Auswertungen bereits ohne KI wirtschaftlich hilfreich wären.

Pfalzcloud betrachtet solche Fragen aus der Verbindung von Microsoft Teams Telefonie, Contact Center, CRM-, ERP- und Serviceprozessen. In dieser Beratungsperspektive rückt die einzelne Softwarefunktion hinter die Architekturfrage zurück: Wie müssen Kommunikation, Kundendaten und Prozessinformationen zusammengeführt werden, damit sie für Mitarbeitende, Führungskräfte und KI-Anwendungen im eigenen Prozesskontext nutzbar werden?

Unternehmen, die heute nicht sofort in KI investieren, handeln damit nicht automatisch zu zögerlich. Die Zeit bis zu konkreten KI-Projekten sollte jedoch für Grundlagenarbeit genutzt werden. Wer Datenquellen, Systemrollen und Schnittstellen jetzt klärt, schafft eine Grundlage, die auch dann wertvoll bleibt, wenn sich konkrete KI-Funktionen, Anbieter oder Lizenzmodelle noch verändern.